摘要：为更好提升视频中的多对象视觉检测和追踪的有效性,提出一种用于视觉对象检测的深度卷积神经网络架构,考虑时域信息和空域信息的基础上直接以视频作为输入,通过引入粒化层,确保更好地定位含有检测对象的前景区域;提出一种对象追踪方法,由于只涉及同一类对象内的逐帧关联,该方法在减少运行时间的同时增加追踪精度。在不同对象检测和追踪的基准集上与不同检测方法和追踪方法的各种评价指标对比验证了该方法的有效性。

摘要：针对自动视频监控系统中计算密集度高的特点,提出了基于片上可编程系统(PSoC)软硬件协同设计的实时视频监控系统.首先,利用可编程门阵列(FPGA)设计了前景对象检测算法的时间关键步骤;然后,通过在嵌入式Nios-II处理器上执行高级语言编程实现其他非时间关键任务;最后,使用流协议将定制和并行处理组件集成到视频处理链.文中提出的方案软硬件协同设计,有效利用了FPGA资源,并在DE2-70板上实现.实验结果表明,文中设计的视频监控系统的实时处理能力明显优于其他几种现存的系统.

摘要：深度学习、强化学习在游戏中的应用在这几年的研究中非常热门,从围棋,到各种Atari游戏等,但是对于基于卡片的实时策略游戏却只有较少的研究。设计了基于深度强化学习自主游戏的程序,对战实时策略卡牌游戏《皇室战争》训练营。利用Deep Q-Learing算法(DQN),并通过python调用win api操纵电脑进行游戏。对战过程中,使用CNN进行图像识别,包括游戏中的时间、防御塔摧毁情况、手中的卡牌、以及圣水数量四种内容。并使用YOLO v3进行对象检测,识别场上英雄的位置和坐标。DQN根据识别的游戏状态,设置动态对战策略。计算机模拟验证了上述程序在对阵《皇室战争》的训练营有一定胜率。

摘要：为实现无接触的铁塔螺栓松动检测,通过模拟实验的方法对螺栓连接板进行图像采集,使用C++程序对采集到的图像进行处理,研究了图像配准对于铁塔螺栓松动检测的可行性。在传统图像配准的基础上,结合对象检测、边缘检测、轮廓提取等图像处理技术,提出了一套针对铁塔螺栓的松动检测算法。结果表明:相较于直接使用传统图像配准算法,新算法的检测效果有很大提升,准确率达到90%以上。可见利用图像配准技术进行铁塔螺栓松动检测是可行的,能够有效减少检测工作量,缩短检测周期,提高塔架可靠性。

摘要：赛灵思公司宣布推出面向软件、硬件及系统开发人员的嵌入式视觉开发者专区,以帮助他们加速生产力并打造All Programmable的差异化嵌入式视觉应用。通过嵌入式视觉开发者专区,赛灵思为开发人员快速启动开发下一代视觉系统提供了一个“一站式平台”,帮助他们充分利用基于机器学习技术的传感器融合、高级计算机视觉算法以及对象检测与分析功能等。

摘要：为了实现在家居安全视频监控中增加对象检测和人脸识别功能,并通过Itchat发送照片与结果至微信指定联系人,采用树莓派3B+、Picamera和英伟达TX2进行客户端与服务端硬件平台搭建,运用ImageZMQ库进行实时视频流传输,借助OpenCV和深度学习对视频帧进行处理。在实验室中进行系统测试,结果显示,视频流传输迅速,实时性好,对象检测和人脸识别准确率高,系统运行稳定,具有良好的社会效益。

摘要：为了提高国家水资源管控能力灌区计量监控点运行质量,提出一种基于深度学习算法的实时水位识别方法,该方法主要由YOLO-v3对象检测和ResNet刻度识别2种模型构成。通过算法设计、训练和集成,实现与浙江省水资源监控信息平台的集成应用。算法测试结果显示,该方法的测试识别、实际运行准确率和识别响应速度基本达到实际使用需求。随着模型训练数量增加,该方法水位识别进度将继续提高,并具备向检测断面现场环境识别拓展的应用空间。